scikit learn：与 GridSearchCV 兼容的自定义分类器

Question

我已经实现了自己的分类器，现在我想对其进行网格搜索，但出现以下错误：estimator.fit(X_train, y_train, **fit_params) TypeError: fit() takes 2 positional arguments but 3 were given

我关注了this tutorial，并使用了scikit's official documentation提供的this template。我的类定义如下：

class MyClassifier(BaseEstimator, ClassifierMixin):
    def __init__(self, lr=0.1):
        self.lr=lr

    def fit(self, X, y):
        # Some code
        return self
    def predict(self, X):
        # Some code
        return y_pred
    def get_params(self, deep=True)
        return {'lr'=self.lr}
    def set_params(self, **parameters):
        for parameter, value in parameters.items():
            setattr(self, parameter, value)
        return self

我正在尝试网格搜索，如下所示：

params = {
    'lr': [0.1, 0.5, 0.7]
}
gs = GridSearchCV(MyClassifier(), param_grid=params, cv=4)

编辑我

我是这样称呼它的： gs.fit(['hello world', 'trying','hello world', 'trying', 'hello world', 'trying', 'hello world', 'trying'], ['I', 'Z', 'I', 'Z', 'I', 'Z', 'I', 'Z'])

结束编辑我

错误是由文件python3.5/site-packages/sklearn/model_selection/_validation.py中的_fit_and_score方法产生的

它用 3 个参数调用 estimator.fit(X_train, y_train, **fit_params)，但我的估算器只有两个，所以这个错误对我来说是有意义的，但我不知道如何解决它......我还尝试向 @ 添加一些虚拟参数987654330@ 方法，但是没有用。

编辑二

完整的错误输出：

Traceback (most recent call last):
  File "/home/rodrigo/no_version/text_classifier/MyClassifier.py", line 355, in <module>
    ['I', 'Z', 'I', 'Z', 'I', 'Z', 'I', 'Z'])
  File "/home/rodrigo/no_version/text_classifier/.env/lib/python3.5/site-packages/sklearn/model_selection/_search.py", line 639, in fit
    cv.split(X, y, groups)))
  File "/home/rodrigo/no_version/text_classifier/.env/lib/python3.5/site-packages/sklearn/externals/joblib/parallel.py", line 779, in __call__
    while self.dispatch_one_batch(iterator):
  File "/home/rodrigo/no_version/text_classifier/.env/lib/python3.5/site-packages/sklearn/externals/joblib/parallel.py", line 625, in dispatch_one_batch
    self._dispatch(tasks)
  File "/home/rodrigo/no_version/text_classifier/.env/lib/python3.5/site-packages/sklearn/externals/joblib/parallel.py", line 588, in _dispatch
    job = self._backend.apply_async(batch, callback=cb)
  File "/home/rodrigo/no_version/text_classifier/.env/lib/python3.5/site-packages/sklearn/externals/joblib/_parallel_backends.py", line 111, in apply_async
    result = ImmediateResult(func)
  File "/home/rodrigo/no_version/text_classifier/.env/lib/python3.5/site-packages/sklearn/externals/joblib/_parallel_backends.py", line 332, in __init__
    self.results = batch()
  File "/home/rodrigo/no_version/text_classifier/.env/lib/python3.5/site-packages/sklearn/externals/joblib/parallel.py", line 131, in __call__
    return [func(*args, **kwargs) for func, args, kwargs in self.items]
  File "/home/rodrigo/no_version/text_classifier/.env/lib/python3.5/site-packages/sklearn/externals/joblib/parallel.py", line 131, in <listcomp>
    return [func(*args, **kwargs) for func, args, kwargs in self.items]
  File "/home/rodrigo/no_version/text_classifier/.env/lib/python3.5/site-packages/sklearn/model_selection/_validation.py", line 458, in _fit_and_score
    estimator.fit(X_train, y_train, **fit_params)
TypeError: fit() takes 2 positional arguments but 3 were given

结束编辑 II

已解决 谢谢大家，我犯了一个愚蠢的错误：有两个不同的函数具有相同的名称（fit），（我用不同的参数实现了另一个用于自定义目的，只要我重命名我的'custom fit'，它就可以正常工作。）

谢谢你，对不起

Answer 1

以下代码适用于我：

class MyClassifier(BaseEstimator, ClassifierMixin):
     def __init__(self, lr=0.1):
         self.lr = lr
         # Some code
         pass
     def fit(self, X, y):
         # Some code
         pass
     def predict(self, X):
         # Some code
         return X % 3

params = {
    'lr': [0.1, 0.5, 0.7]
}
gs = GridSearchCV(MyClassifier(), param_grid=params, cv=4)

x = np.arange(30)
y = np.concatenate((np.zeros(10), np.ones(10), np.ones(10) * 2))
gs.fit(x, y)

我能想到的最好的结果是您将某些内容传递给 gs.fit 方法，超出了 x 和 y 或您的 MyClassifier.fit 方法缺少 self 参数。

只有在将 kwarg 传递给 gs.fit 方法时才应填充 fit_params kwargs，否则它是一个空字典 ({}) 并且 **fit_params 不会引发参数错误。要对此进行测试，请创建一个分类器实例并传递**{}。例如：

clf = MyClassifier()
clf.fit(x, y, **{})

这不会引发位置参数错误。

因此，除非有东西被传递给gs.fit，例如gs.fit(x, y, some_arg=123) 在我看来，您缺少MyClassifier.fit 定义中的位置参数之一。您包含的错误消息似乎支持这一假设，因为它指出fit() takes 2 positional arguments but 3 were given。如果您将 fit 定义如下，则需要 3 个位置参数：

def fit(self, X, y): ...

Answer 2

看起来像是一些自定义参数的直通。只需为您的 fit-Method 添加一个包罗万象的关键字参数：

def fit(self, X, y, **_k):
    ...